李 萌

(长春大学 机械与车辆工程学院，长春 130022)

滚动轴承作为旋转机械中最常见的零部件被广泛地应用于生产生活中，但它也是最容易损坏的机械元件之一。由于轴承长期在高温、高速等恶劣条件下工作，致使整个旋转机械中有超过30%的故障是由滚动轴承信号所引起的[1]。因此，滚动轴承故障诊断在整个机械生产设备系统中显得尤为重要。

小波分析法和经验模态分解(EMD)方法是目前轴承故障诊断最常用的两种时频分析法，由于小波分析法需要人为地选择小波基函数，所以，EMD方法成为研究该非平稳信号的首选，但EMD方法在分解过程中又会产生边界效应和模态混叠现象。为了消除EMD产生的边界效应和模态混叠现象，提出一种改进的自适应白噪声的完备集合经验模态分解(CEEMDAN)结合能量特征的故障特征提取方法，再通过WOA-SVM来进行故障模式识别。

1 滚动轴承故障信号特征提取

EMD方法是一种处理滚动轴承非平稳信号的方法，它是一个自适应频率的筛选过程，依次分离出高频、次高频和低频固有模态分量。但是对原始信号进行分解时会产生两方面不足：一方面是在样条插值产生包络线时，会产生边界效应；另一方面是在分解信号时会发生相同IMF分量出现不同频率信号或者不同IMF分量出现相同频率信号的现象，也叫模态混叠现象。

EEMD方法的分解效果虽然比EMD有了很大地改善，但是此方法增加集成的次数降低重构误差，使得提取信号特征的效率大大降低。……